git.sesse.net Git - stockfish/blob - src/nnue/nnue_feature_transformer.h

   1 /*
   2   Stockfish, a UCI chess playing engine derived from Glaurung 2.1
   3   Copyright (C) 2004-2023 The Stockfish developers (see AUTHORS file)
   4
   5   Stockfish is free software: you can redistribute it and/or modify
   6   it under the terms of the GNU General Public License as published by
   7   the Free Software Foundation, either version 3 of the License, or
   8   (at your option) any later version.
   9
  10   Stockfish is distributed in the hope that it will be useful,
  11   but WITHOUT ANY WARRANTY; without even the implied warranty of
  12   MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE.  See the
  13   GNU General Public License for more details.
  14
  15   You should have received a copy of the GNU General Public License
  16   along with this program.  If not, see <http://www.gnu.org/licenses/>.
  17 */
  18
  19 // A class that converts the input features of the NNUE evaluation function
  20
  21 #ifndef NNUE_FEATURE_TRANSFORMER_H_INCLUDED
  22 #define NNUE_FEATURE_TRANSFORMER_H_INCLUDED
  23
  24 #include <algorithm>
  25 #include <cassert>
  26 #include <cstdint>
  27 #include <cstring>
  28 #include <iosfwd>
  29 #include <utility>
  30
  31 #include "../position.h"
  32 #include "../types.h"
  33 #include "nnue_accumulator.h"
  34 #include "nnue_architecture.h"
  35 #include "nnue_common.h"
  36
  37 namespace Stockfish::Eval::NNUE {
  38
  39   using BiasType       = std::int16_t;
  40   using WeightType     = std::int16_t;
  41   using PSQTWeightType = std::int32_t;
  42
  43   // If vector instructions are enabled, we update and refresh the
  44   // accumulator tile by tile such that each tile fits in the CPU's
  45   // vector registers.
  46   #define VECTOR
  47
  48   static_assert(PSQTBuckets % 8 == 0,
  49     "Per feature PSQT values cannot be processed at granularity lower than 8 at a time.");
  50
  51   #ifdef USE_AVX512
  52   using vec_t = __m512i;
  53   using psqt_vec_t = __m256i;
  54   #define vec_load(a) _mm512_load_si512(a)
  55   #define vec_store(a,b) _mm512_store_si512(a,b)
  56   #define vec_add_16(a,b) _mm512_add_epi16(a,b)
  57   #define vec_sub_16(a,b) _mm512_sub_epi16(a,b)
  58   #define vec_mul_16(a,b) _mm512_mullo_epi16(a,b)
  59   #define vec_zero() _mm512_setzero_epi32()
  60   #define vec_set_16(a) _mm512_set1_epi16(a)
  61   #define vec_max_16(a,b) _mm512_max_epi16(a,b)
  62   #define vec_min_16(a,b) _mm512_min_epi16(a,b)
  63   inline vec_t vec_msb_pack_16(vec_t a, vec_t b){
  64     vec_t compacted = _mm512_packs_epi16(_mm512_srli_epi16(a,7),_mm512_srli_epi16(b,7));
  65     return _mm512_permutexvar_epi64(_mm512_setr_epi64(0, 2, 4, 6, 1, 3, 5, 7), compacted);
  66   }
  67   #define vec_load_psqt(a) _mm256_load_si256(a)
  68   #define vec_store_psqt(a,b) _mm256_store_si256(a,b)
  69   #define vec_add_psqt_32(a,b) _mm256_add_epi32(a,b)
  70   #define vec_sub_psqt_32(a,b) _mm256_sub_epi32(a,b)
  71   #define vec_zero_psqt() _mm256_setzero_si256()
  72   #define NumRegistersSIMD 16
  73   #define MaxChunkSize 64
  74
  75   #elif USE_AVX2
  76   using vec_t = __m256i;
  77   using psqt_vec_t = __m256i;
  78   #define vec_load(a) _mm256_load_si256(a)
  79   #define vec_store(a,b) _mm256_store_si256(a,b)
  80   #define vec_add_16(a,b) _mm256_add_epi16(a,b)
  81   #define vec_sub_16(a,b) _mm256_sub_epi16(a,b)
  82   #define vec_mul_16(a,b) _mm256_mullo_epi16(a,b)
  83   #define vec_zero() _mm256_setzero_si256()
  84   #define vec_set_16(a) _mm256_set1_epi16(a)
  85   #define vec_max_16(a,b) _mm256_max_epi16(a,b)
  86   #define vec_min_16(a,b) _mm256_min_epi16(a,b)
  87   inline vec_t vec_msb_pack_16(vec_t a, vec_t b){
  88     vec_t compacted = _mm256_packs_epi16(_mm256_srli_epi16(a,7), _mm256_srli_epi16(b,7));
  89     return _mm256_permute4x64_epi64(compacted, 0b11011000);
  90   }
  91   #define vec_load_psqt(a) _mm256_load_si256(a)
  92   #define vec_store_psqt(a,b) _mm256_store_si256(a,b)
  93   #define vec_add_psqt_32(a,b) _mm256_add_epi32(a,b)
  94   #define vec_sub_psqt_32(a,b) _mm256_sub_epi32(a,b)
  95   #define vec_zero_psqt() _mm256_setzero_si256()
  96   #define NumRegistersSIMD 16
  97   #define MaxChunkSize 32
  98
  99   #elif USE_SSE2
 100   using vec_t = __m128i;
 101   using psqt_vec_t = __m128i;
 102   #define vec_load(a) (*(a))
 103   #define vec_store(a,b) *(a)=(b)
 104   #define vec_add_16(a,b) _mm_add_epi16(a,b)
 105   #define vec_sub_16(a,b) _mm_sub_epi16(a,b)
 106   #define vec_mul_16(a,b) _mm_mullo_epi16(a,b)
 107   #define vec_zero() _mm_setzero_si128()
 108   #define vec_set_16(a) _mm_set1_epi16(a)
 109   #define vec_max_16(a,b) _mm_max_epi16(a,b)
 110   #define vec_min_16(a,b) _mm_min_epi16(a,b)
 111   #define vec_msb_pack_16(a,b) _mm_packs_epi16(_mm_srli_epi16(a,7),_mm_srli_epi16(b,7))
 112   #define vec_load_psqt(a) (*(a))
 113   #define vec_store_psqt(a,b) *(a)=(b)
 114   #define vec_add_psqt_32(a,b) _mm_add_epi32(a,b)
 115   #define vec_sub_psqt_32(a,b) _mm_sub_epi32(a,b)
 116   #define vec_zero_psqt() _mm_setzero_si128()
 117   #define NumRegistersSIMD (Is64Bit ? 16 : 8)
 118   #define MaxChunkSize 16
 119
 120   #elif USE_NEON
 121   using vec_t = int16x8_t;
 122   using psqt_vec_t = int32x4_t;
 123   #define vec_load(a) (*(a))
 124   #define vec_store(a,b) *(a)=(b)
 125   #define vec_add_16(a,b) vaddq_s16(a,b)
 126   #define vec_sub_16(a,b) vsubq_s16(a,b)
 127   #define vec_mul_16(a,b) vmulq_s16(a,b)
 128   #define vec_zero() vec_t{0}
 129   #define vec_set_16(a) vdupq_n_s16(a)
 130   #define vec_max_16(a,b) vmaxq_s16(a,b)
 131   #define vec_min_16(a,b) vminq_s16(a,b)
 132   inline vec_t vec_msb_pack_16(vec_t a, vec_t b){
 133     const int8x8_t shifta = vshrn_n_s16(a, 7);
 134     const int8x8_t shiftb = vshrn_n_s16(b, 7);
 135     const int8x16_t compacted = vcombine_s8(shifta,shiftb);
 136     return *reinterpret_cast<const vec_t*> (&compacted);
 137   }
 138   #define vec_load_psqt(a) (*(a))
 139   #define vec_store_psqt(a,b) *(a)=(b)
 140   #define vec_add_psqt_32(a,b) vaddq_s32(a,b)
 141   #define vec_sub_psqt_32(a,b) vsubq_s32(a,b)
 142   #define vec_zero_psqt() psqt_vec_t{0}
 143   #define NumRegistersSIMD 16
 144   #define MaxChunkSize 16
 145
 146   #else
 147   #undef VECTOR
 148
 149   #endif
 150
 151
 152   #ifdef VECTOR
 153
 154       // Compute optimal SIMD register count for feature transformer accumulation.
 155
 156       // We use __m* types as template arguments, which causes GCC to emit warnings
 157       // about losing some attribute information. This is irrelevant to us as we
 158       // only take their size, so the following pragma are harmless.
 159       #if defined(__GNUC__)
 160       #pragma GCC diagnostic push
 161       #pragma GCC diagnostic ignored "-Wignored-attributes"
 162       #endif
 163
 164       template <typename SIMDRegisterType,
 165                 typename LaneType,
 166                 int      NumLanes,
 167                 int      MaxRegisters>
 168       static constexpr int BestRegisterCount()
 169       {
 170           #define RegisterSize  sizeof(SIMDRegisterType)
 171           #define LaneSize      sizeof(LaneType)
 172
 173           static_assert(RegisterSize >= LaneSize);
 174           static_assert(MaxRegisters <= NumRegistersSIMD);
 175           static_assert(MaxRegisters > 0);
 176           static_assert(NumRegistersSIMD > 0);
 177           static_assert(RegisterSize % LaneSize == 0);
 178           static_assert((NumLanes * LaneSize) % RegisterSize == 0);
 179
 180           const int ideal = (NumLanes * LaneSize) / RegisterSize;
 181           if (ideal <= MaxRegisters)
 182             return ideal;
 183
 184           // Look for the largest divisor of the ideal register count that is smaller than MaxRegisters
 185           for (int divisor = MaxRegisters; divisor > 1; --divisor)
 186             if (ideal % divisor == 0)
 187               return divisor;
 188
 189           return 1;
 190       }
 191
 192       static constexpr int NumRegs     = BestRegisterCount<vec_t, WeightType, TransformedFeatureDimensions, NumRegistersSIMD>();
 193       static constexpr int NumPsqtRegs = BestRegisterCount<psqt_vec_t, PSQTWeightType, PSQTBuckets, NumRegistersSIMD>();
 194       #if defined(__GNUC__)
 195       #pragma GCC diagnostic pop
 196       #endif
 197   #endif
 198
 199
 200
 201   // Input feature converter
 202   class FeatureTransformer {
 203
 204    private:
 205     // Number of output dimensions for one side
 206     static constexpr IndexType HalfDimensions = TransformedFeatureDimensions;
 207
 208     #ifdef VECTOR
 209     static constexpr IndexType TileHeight = NumRegs * sizeof(vec_t) / 2;
 210     static constexpr IndexType PsqtTileHeight = NumPsqtRegs * sizeof(psqt_vec_t) / 4;
 211     static_assert(HalfDimensions % TileHeight == 0, "TileHeight must divide HalfDimensions");
 212     static_assert(PSQTBuckets % PsqtTileHeight == 0, "PsqtTileHeight must divide PSQTBuckets");
 213     #endif
 214
 215    public:
 216     // Output type
 217     using OutputType = TransformedFeatureType;
 218
 219     // Number of input/output dimensions
 220     static constexpr IndexType InputDimensions = FeatureSet::Dimensions;
 221     static constexpr IndexType OutputDimensions = HalfDimensions;
 222
 223     // Size of forward propagation buffer
 224     static constexpr std::size_t BufferSize =
 225         OutputDimensions * sizeof(OutputType);
 226
 227     // Hash value embedded in the evaluation file
 228     static constexpr std::uint32_t get_hash_value() {
 229       return FeatureSet::HashValue ^ (OutputDimensions * 2);
 230     }
 231
 232     // Read network parameters
 233     bool read_parameters(std::istream& stream) {
 234
 235       read_leb_128<BiasType      >(stream, biases     , HalfDimensions                  );
 236       read_leb_128<WeightType    >(stream, weights    , HalfDimensions * InputDimensions);
 237       read_leb_128<PSQTWeightType>(stream, psqtWeights, PSQTBuckets    * InputDimensions);
 238
 239       return !stream.fail();
 240     }
 241
 242     // Write network parameters
 243     bool write_parameters(std::ostream& stream) const {
 244
 245       write_leb_128<BiasType      >(stream, biases     , HalfDimensions                  );
 246       write_leb_128<WeightType    >(stream, weights    , HalfDimensions * InputDimensions);
 247       write_leb_128<PSQTWeightType>(stream, psqtWeights, PSQTBuckets    * InputDimensions);
 248
 249       return !stream.fail();
 250     }
 251
 252     // Convert input features
 253     std::int32_t transform(const Position& pos, OutputType* output, int bucket) const {
 254       update_accumulator<WHITE>(pos);
 255       update_accumulator<BLACK>(pos);
 256
 257       const Color perspectives[2] = {pos.side_to_move(), ~pos.side_to_move()};
 258       const auto& accumulation = pos.state()->accumulator.accumulation;
 259       const auto& psqtAccumulation = pos.state()->accumulator.psqtAccumulation;
 260
 261       const auto psqt = (
 262             psqtAccumulation[perspectives[0]][bucket]
 263           - psqtAccumulation[perspectives[1]][bucket]
 264         ) / 2;
 265
 266
 267       for (IndexType p = 0; p < 2; ++p)
 268       {
 269           const IndexType offset = (HalfDimensions / 2) * p;
 270
 271 #if defined(VECTOR)
 272
 273           constexpr IndexType OutputChunkSize = MaxChunkSize;
 274           static_assert((HalfDimensions / 2) % OutputChunkSize == 0);
 275           constexpr IndexType NumOutputChunks = HalfDimensions / 2 / OutputChunkSize;
 276
 277           vec_t Zero = vec_zero();
 278           vec_t One = vec_set_16(127);
 279
 280           const vec_t* in0 = reinterpret_cast<const vec_t*>(&(accumulation[perspectives[p]][0]));
 281           const vec_t* in1 = reinterpret_cast<const vec_t*>(&(accumulation[perspectives[p]][HalfDimensions / 2]));
 282                 vec_t* out = reinterpret_cast<      vec_t*>(output + offset);
 283
 284           for (IndexType j = 0; j < NumOutputChunks; j += 1)
 285           {
 286               const vec_t sum0a = vec_max_16(vec_min_16(in0[j * 2 + 0], One), Zero);
 287               const vec_t sum0b = vec_max_16(vec_min_16(in0[j * 2 + 1], One), Zero);
 288               const vec_t sum1a = vec_max_16(vec_min_16(in1[j * 2 + 0], One), Zero);
 289               const vec_t sum1b = vec_max_16(vec_min_16(in1[j * 2 + 1], One), Zero);
 290
 291               const vec_t pa = vec_mul_16(sum0a, sum1a);
 292               const vec_t pb = vec_mul_16(sum0b, sum1b);
 293
 294               out[j] = vec_msb_pack_16(pa, pb);
 295           }
 296
 297 #else
 298
 299           for (IndexType j = 0; j < HalfDimensions / 2; ++j) {
 300               BiasType sum0 = accumulation[static_cast<int>(perspectives[p])][j + 0];
 301               BiasType sum1 = accumulation[static_cast<int>(perspectives[p])][j + HalfDimensions / 2];
 302               sum0 = std::clamp<BiasType>(sum0, 0, 127);
 303               sum1 = std::clamp<BiasType>(sum1, 0, 127);
 304               output[offset + j] = static_cast<OutputType>(unsigned(sum0 * sum1) / 128);
 305           }
 306
 307 #endif
 308       }
 309
 310       return psqt;
 311     } // end of function transform()
 312
 313     void hint_common_access(const Position& pos) const {
 314       hint_common_access_for_perspective<WHITE>(pos);
 315       hint_common_access_for_perspective<BLACK>(pos);
 316     }
 317
 318    private:
 319     template<Color Perspective>
 320     [[nodiscard]] std::pair<StateInfo*, StateInfo*> try_find_computed_accumulator(const Position& pos) const {
 321       // Look for a usable accumulator of an earlier position. We keep track
 322       // of the estimated gain in terms of features to be added/subtracted.
 323       StateInfo *st = pos.state(), *next = nullptr;
 324       int gain = FeatureSet::refresh_cost(pos);
 325       while (st->previous && !st->accumulator.computed[Perspective])
 326       {
 327         // This governs when a full feature refresh is needed and how many
 328         // updates are better than just one full refresh.
 329         if (   FeatureSet::requires_refresh(st, Perspective)
 330             || (gain -= FeatureSet::update_cost(st) + 1) < 0)
 331           break;
 332         next = st;
 333         st = st->previous;
 334       }
 335       return { st, next };
 336     }
 337
 338     // NOTE: The parameter states_to_update is an array of position states, ending with nullptr.
 339     //       All states must be sequential, that is states_to_update[i] must either be reachable
 340     //       by repeatedly applying ->previous from states_to_update[i+1] or states_to_update[i] == nullptr.
 341     //       computed_st must be reachable by repeatedly applying ->previous on states_to_update[0], if not nullptr.
 342     template<Color Perspective, size_t N>
 343     void update_accumulator_incremental(const Position& pos, StateInfo* computed_st, StateInfo* states_to_update[N]) const {
 344       static_assert(N > 0);
 345       assert(states_to_update[N-1] == nullptr);
 346
 347   #ifdef VECTOR
 348       // Gcc-10.2 unnecessarily spills AVX2 registers if this array
 349       // is defined in the VECTOR code below, once in each branch
 350       vec_t acc[NumRegs];
 351       psqt_vec_t psqt[NumPsqtRegs];
 352   #endif
 353
 354       if (states_to_update[0] == nullptr)
 355         return;
 356
 357       // Update incrementally going back through states_to_update.
 358
 359       // Gather all features to be updated.
 360       const Square ksq = pos.square<KING>(Perspective);
 361
 362       // The size must be enough to contain the largest possible update.
 363       // That might depend on the feature set and generally relies on the
 364       // feature set's update cost calculation to be correct and never
 365       // allow updates with more added/removed features than MaxActiveDimensions.
 366       FeatureSet::IndexList removed[N-1], added[N-1];
 367
 368       {
 369         int i = N-2; // last potential state to update. Skip last element because it must be nullptr.
 370         while (states_to_update[i] == nullptr)
 371           --i;
 372
 373         StateInfo* st2 = states_to_update[i];
 374
 375         for (; i >= 0; --i)
 376         {
 377           states_to_update[i]->accumulator.computed[Perspective] = true;
 378
 379           const StateInfo* end_state = i == 0 ? computed_st : states_to_update[i - 1];
 380
 381           for (; st2 != end_state; st2 = st2->previous)
 382             FeatureSet::append_changed_indices<Perspective>(
 383               ksq, st2->dirtyPiece, removed[i], added[i]);
 384         }
 385       }
 386
 387       StateInfo* st = computed_st;
 388
 389       // Now update the accumulators listed in states_to_update[], where the last element is a sentinel.
 390 #ifdef VECTOR
 391
 392       if (   states_to_update[1] == nullptr
 393           && (removed[0].size() == 1 || removed[0].size() == 2)
 394           && added[0].size() == 1)
 395       {
 396           assert(states_to_update[0]);
 397
 398           auto accTileIn = reinterpret_cast<const vec_t*>(
 399               &st->accumulator.accumulation[Perspective][0]);
 400           auto accTileOut = reinterpret_cast<vec_t*>(
 401               &states_to_update[0]->accumulator.accumulation[Perspective][0]);
 402
 403           const IndexType offsetR0 = HalfDimensions * removed[0][0];
 404           auto columnR0 = reinterpret_cast<const vec_t*>(&weights[offsetR0]);
 405           const IndexType offsetA = HalfDimensions * added[0][0];
 406           auto columnA = reinterpret_cast<const vec_t*>(&weights[offsetA]);
 407
 408           if (removed[0].size() == 1)
 409           {
 410               for (IndexType k = 0; k < HalfDimensions * sizeof(std::int16_t) / sizeof(vec_t); ++k)
 411                   accTileOut[k] = vec_add_16(vec_sub_16(accTileIn[k], columnR0[k]), columnA[k]);
 412           }
 413           else
 414           {
 415               const IndexType offsetR1 = HalfDimensions * removed[0][1];
 416               auto columnR1 = reinterpret_cast<const vec_t*>(&weights[offsetR1]);
 417
 418               for (IndexType k = 0; k < HalfDimensions * sizeof(std::int16_t) / sizeof(vec_t); ++k)
 419                   accTileOut[k] = vec_sub_16(
 420                                       vec_add_16(accTileIn[k], columnA[k]),
 421                                       vec_add_16(columnR0[k], columnR1[k]));
 422           }
 423
 424           auto accTilePsqtIn = reinterpret_cast<const psqt_vec_t*>(
 425               &st->accumulator.psqtAccumulation[Perspective][0]);
 426           auto accTilePsqtOut = reinterpret_cast<psqt_vec_t*>(
 427               &states_to_update[0]->accumulator.psqtAccumulation[Perspective][0]);
 428
 429           const IndexType offsetPsqtR0 = PSQTBuckets * removed[0][0];
 430           auto columnPsqtR0 = reinterpret_cast<const psqt_vec_t*>(&psqtWeights[offsetPsqtR0]);
 431           const IndexType offsetPsqtA = PSQTBuckets * added[0][0];
 432           auto columnPsqtA = reinterpret_cast<const psqt_vec_t*>(&psqtWeights[offsetPsqtA]);
 433
 434           if (removed[0].size() == 1)
 435           {
 436               for (std::size_t k = 0; k < PSQTBuckets * sizeof(std::int32_t) / sizeof(psqt_vec_t); ++k)
 437                   accTilePsqtOut[k] = vec_add_psqt_32(vec_sub_psqt_32(
 438                       accTilePsqtIn[k], columnPsqtR0[k]), columnPsqtA[k]);
 439           }
 440           else
 441           {
 442               const IndexType offsetPsqtR1 = PSQTBuckets * removed[0][1];
 443               auto columnPsqtR1 = reinterpret_cast<const psqt_vec_t*>(&psqtWeights[offsetPsqtR1]);
 444
 445               for (std::size_t k = 0; k < PSQTBuckets * sizeof(std::int32_t) / sizeof(psqt_vec_t); ++k)
 446                   accTilePsqtOut[k] = vec_sub_psqt_32(
 447                                           vec_add_psqt_32(accTilePsqtIn[k], columnPsqtA[k]),
 448                                           vec_add_psqt_32(columnPsqtR0[k], columnPsqtR1[k]));
 449           }
 450       }
 451       else
 452       {
 453           for (IndexType j = 0; j < HalfDimensions / TileHeight; ++j)
 454           {
 455             // Load accumulator
 456             auto accTileIn = reinterpret_cast<const vec_t*>(
 457               &st->accumulator.accumulation[Perspective][j * TileHeight]);
 458             for (IndexType k = 0; k < NumRegs; ++k)
 459               acc[k] = vec_load(&accTileIn[k]);
 460
 461             for (IndexType i = 0; states_to_update[i]; ++i)
 462             {
 463               // Difference calculation for the deactivated features
 464               for (const auto index : removed[i])
 465               {
 466                 const IndexType offset = HalfDimensions * index + j * TileHeight;
 467                 auto column = reinterpret_cast<const vec_t*>(&weights[offset]);
 468                 for (IndexType k = 0; k < NumRegs; ++k)
 469                   acc[k] = vec_sub_16(acc[k], column[k]);
 470               }
 471
 472               // Difference calculation for the activated features
 473               for (const auto index : added[i])
 474               {
 475                 const IndexType offset = HalfDimensions * index + j * TileHeight;
 476                 auto column = reinterpret_cast<const vec_t*>(&weights[offset]);
 477                 for (IndexType k = 0; k < NumRegs; ++k)
 478                   acc[k] = vec_add_16(acc[k], column[k]);
 479               }
 480
 481               // Store accumulator
 482               auto accTileOut = reinterpret_cast<vec_t*>(
 483                 &states_to_update[i]->accumulator.accumulation[Perspective][j * TileHeight]);
 484               for (IndexType k = 0; k < NumRegs; ++k)
 485                 vec_store(&accTileOut[k], acc[k]);
 486             }
 487           }
 488
 489           for (IndexType j = 0; j < PSQTBuckets / PsqtTileHeight; ++j)
 490           {
 491             // Load accumulator
 492             auto accTilePsqtIn = reinterpret_cast<const psqt_vec_t*>(
 493               &st->accumulator.psqtAccumulation[Perspective][j * PsqtTileHeight]);
 494             for (std::size_t k = 0; k < NumPsqtRegs; ++k)
 495               psqt[k] = vec_load_psqt(&accTilePsqtIn[k]);
 496
 497             for (IndexType i = 0; states_to_update[i]; ++i)
 498             {
 499               // Difference calculation for the deactivated features
 500               for (const auto index : removed[i])
 501               {
 502                 const IndexType offset = PSQTBuckets * index + j * PsqtTileHeight;
 503                 auto columnPsqt = reinterpret_cast<const psqt_vec_t*>(&psqtWeights[offset]);
 504                 for (std::size_t k = 0; k < NumPsqtRegs; ++k)
 505                   psqt[k] = vec_sub_psqt_32(psqt[k], columnPsqt[k]);
 506               }
 507
 508               // Difference calculation for the activated features
 509               for (const auto index : added[i])
 510               {
 511                 const IndexType offset = PSQTBuckets * index + j * PsqtTileHeight;
 512                 auto columnPsqt = reinterpret_cast<const psqt_vec_t*>(&psqtWeights[offset]);
 513                 for (std::size_t k = 0; k < NumPsqtRegs; ++k)
 514                   psqt[k] = vec_add_psqt_32(psqt[k], columnPsqt[k]);
 515               }
 516
 517               // Store accumulator
 518               auto accTilePsqtOut = reinterpret_cast<psqt_vec_t*>(
 519                 &states_to_update[i]->accumulator.psqtAccumulation[Perspective][j * PsqtTileHeight]);
 520               for (std::size_t k = 0; k < NumPsqtRegs; ++k)
 521                 vec_store_psqt(&accTilePsqtOut[k], psqt[k]);
 522             }
 523           }
 524       }
 525 #else
 526       for (IndexType i = 0; states_to_update[i]; ++i)
 527       {
 528         std::memcpy(states_to_update[i]->accumulator.accumulation[Perspective],
 529             st->accumulator.accumulation[Perspective],
 530             HalfDimensions * sizeof(BiasType));
 531
 532         for (std::size_t k = 0; k < PSQTBuckets; ++k)
 533           states_to_update[i]->accumulator.psqtAccumulation[Perspective][k] = st->accumulator.psqtAccumulation[Perspective][k];
 534
 535         st = states_to_update[i];
 536
 537         // Difference calculation for the deactivated features
 538         for (const auto index : removed[i])
 539         {
 540           const IndexType offset = HalfDimensions * index;
 541
 542           for (IndexType j = 0; j < HalfDimensions; ++j)
 543             st->accumulator.accumulation[Perspective][j] -= weights[offset + j];
 544
 545           for (std::size_t k = 0; k < PSQTBuckets; ++k)
 546             st->accumulator.psqtAccumulation[Perspective][k] -= psqtWeights[index * PSQTBuckets + k];
 547         }
 548
 549         // Difference calculation for the activated features
 550         for (const auto index : added[i])
 551         {
 552           const IndexType offset = HalfDimensions * index;
 553
 554           for (IndexType j = 0; j < HalfDimensions; ++j)
 555             st->accumulator.accumulation[Perspective][j] += weights[offset + j];
 556
 557           for (std::size_t k = 0; k < PSQTBuckets; ++k)
 558             st->accumulator.psqtAccumulation[Perspective][k] += psqtWeights[index * PSQTBuckets + k];
 559         }
 560       }
 561 #endif
 562     }
 563
 564     template<Color Perspective>
 565     void update_accumulator_refresh(const Position& pos) const {
 566   #ifdef VECTOR
 567       // Gcc-10.2 unnecessarily spills AVX2 registers if this array
 568       // is defined in the VECTOR code below, once in each branch
 569       vec_t acc[NumRegs];
 570       psqt_vec_t psqt[NumPsqtRegs];
 571   #endif
 572
 573       // Refresh the accumulator
 574       // Could be extracted to a separate function because it's done in 2 places,
 575       // but it's unclear if compilers would correctly handle register allocation.
 576       auto& accumulator = pos.state()->accumulator;
 577       accumulator.computed[Perspective] = true;
 578       FeatureSet::IndexList active;
 579       FeatureSet::append_active_indices<Perspective>(pos, active);
 580
 581 #ifdef VECTOR
 582       for (IndexType j = 0; j < HalfDimensions / TileHeight; ++j)
 583       {
 584         auto biasesTile = reinterpret_cast<const vec_t*>(
 585             &biases[j * TileHeight]);
 586         for (IndexType k = 0; k < NumRegs; ++k)
 587           acc[k] = biasesTile[k];
 588
 589         for (const auto index : active)
 590         {
 591           const IndexType offset = HalfDimensions * index + j * TileHeight;
 592           auto column = reinterpret_cast<const vec_t*>(&weights[offset]);
 593
 594           for (unsigned k = 0; k < NumRegs; ++k)
 595             acc[k] = vec_add_16(acc[k], column[k]);
 596         }
 597
 598         auto accTile = reinterpret_cast<vec_t*>(
 599             &accumulator.accumulation[Perspective][j * TileHeight]);
 600         for (unsigned k = 0; k < NumRegs; k++)
 601           vec_store(&accTile[k], acc[k]);
 602       }
 603
 604       for (IndexType j = 0; j < PSQTBuckets / PsqtTileHeight; ++j)
 605       {
 606         for (std::size_t k = 0; k < NumPsqtRegs; ++k)
 607           psqt[k] = vec_zero_psqt();
 608
 609         for (const auto index : active)
 610         {
 611           const IndexType offset = PSQTBuckets * index + j * PsqtTileHeight;
 612           auto columnPsqt = reinterpret_cast<const psqt_vec_t*>(&psqtWeights[offset]);
 613
 614           for (std::size_t k = 0; k < NumPsqtRegs; ++k)
 615             psqt[k] = vec_add_psqt_32(psqt[k], columnPsqt[k]);
 616         }
 617
 618         auto accTilePsqt = reinterpret_cast<psqt_vec_t*>(
 619           &accumulator.psqtAccumulation[Perspective][j * PsqtTileHeight]);
 620         for (std::size_t k = 0; k < NumPsqtRegs; ++k)
 621           vec_store_psqt(&accTilePsqt[k], psqt[k]);
 622       }
 623
 624 #else
 625       std::memcpy(accumulator.accumulation[Perspective], biases,
 626           HalfDimensions * sizeof(BiasType));
 627
 628       for (std::size_t k = 0; k < PSQTBuckets; ++k)
 629         accumulator.psqtAccumulation[Perspective][k] = 0;
 630
 631       for (const auto index : active)
 632       {
 633         const IndexType offset = HalfDimensions * index;
 634
 635         for (IndexType j = 0; j < HalfDimensions; ++j)
 636           accumulator.accumulation[Perspective][j] += weights[offset + j];
 637
 638         for (std::size_t k = 0; k < PSQTBuckets; ++k)
 639           accumulator.psqtAccumulation[Perspective][k] += psqtWeights[index * PSQTBuckets + k];
 640       }
 641 #endif
 642     }
 643
 644     template<Color Perspective>
 645     void hint_common_access_for_perspective(const Position& pos) const {
 646
 647       // Works like update_accumulator, but performs less work.
 648       // Updates ONLY the accumulator for pos.
 649
 650       // Look for a usable accumulator of an earlier position. We keep track
 651       // of the estimated gain in terms of features to be added/subtracted.
 652       // Fast early exit.
 653       if (pos.state()->accumulator.computed[Perspective])
 654         return;
 655
 656       auto [oldest_st, _] = try_find_computed_accumulator<Perspective>(pos);
 657
 658       if (oldest_st->accumulator.computed[Perspective])
 659       {
 660         // Only update current position accumulator to minimize work.
 661         StateInfo* states_to_update[2] = { pos.state(), nullptr };
 662         update_accumulator_incremental<Perspective, 2>(pos, oldest_st, states_to_update);
 663       }
 664       else
 665       {
 666         update_accumulator_refresh<Perspective>(pos);
 667       }
 668     }
 669
 670     template<Color Perspective>
 671     void update_accumulator(const Position& pos) const {
 672
 673       auto [oldest_st, next] = try_find_computed_accumulator<Perspective>(pos);
 674
 675       if (oldest_st->accumulator.computed[Perspective])
 676       {
 677         if (next == nullptr)
 678           return;
 679
 680         // Now update the accumulators listed in states_to_update[], where the last element is a sentinel.
 681         // Currently we update 2 accumulators.
 682         //     1. for the current position
 683         //     2. the next accumulator after the computed one
 684         // The heuristic may change in the future.
 685         StateInfo *states_to_update[3] =
 686           { next, next == pos.state() ? nullptr : pos.state(), nullptr };
 687
 688         update_accumulator_incremental<Perspective, 3>(pos, oldest_st, states_to_update);
 689       }
 690       else
 691       {
 692         update_accumulator_refresh<Perspective>(pos);
 693       }
 694     }
 695
 696     alignas(CacheLineSize) BiasType biases[HalfDimensions];
 697     alignas(CacheLineSize) WeightType weights[HalfDimensions * InputDimensions];
 698     alignas(CacheLineSize) PSQTWeightType psqtWeights[InputDimensions * PSQTBuckets];
 699   };
 700
 701 }  // namespace Stockfish::Eval::NNUE
 702
 703 #endif // #ifndef NNUE_FEATURE_TRANSFORMER_H_INCLUDED